TensorFlow Docker映像下载与TensorFlow Lite APK获取

简介

部署 TensorFlow Lite 图像分类的示例应用在 Android 手机上

本文以 Windows 为例，编译好的 APK 在文末

安装

• Android Studio 4.1.1，已上传 百度网盘（0h7c）
• Android 设备，启用开发者选项并打开USB调试
  选项 → 关于手机 → 连续点击版本号 → 找到开发者选项 → 打开 USB 调试

文档说用 Android Studio 3.2.1，然而该版本太旧了，不支持较新的Gradle版本，本人尝试失败

初试

为了下面的步骤能顺利进行，先创建一个 Android 项目

File → New → New Project...

Language 选 Java

Minimum SDK 选 API 23: Android 6.0 (Marshmallow)

创建项目后会自动下载 gradle-6.5 等，并自动编译

连接手机并打开USB调试

Run → Run 'app'

步骤

1. 下载示例应用代码

登录后复制

git clone https://github.com/tensorflow/examples

2. 用 Android Studio 打开项目

examples/lite/examples/image_classification/android

3. 编译项目Build → Make Project

build.gradle 文件会让 SDK 自动下载需要的库，可能遇到一些坑，文末有解决方案

这两张图是用 Android Studio 3.2.1 截的，实际上我用 Android Studio 4.1.1 时打开项目便开始自动编译，等它自动装好一堆东西就能 Run 了，不过步骤大致相同的

4. 安装并运行 APP

连接 Android 设备，Run → Run 'app'

5. 编译 APK

先在 examples/image_classification/android/app/build/outputs/apk/taskApi/debug 中找找

若没有，Build → Build Bundle(s) / APK(s) → Build APK(s)

相关概念

浮点模型：floating point

量化模型：quantized model

TODO：代码详解

遇到的坑

1. 报错 Failed to open zip file. Gradle’s dependency cache may be corrupt (this sometimes occurs after a network connection timeout.)

删除 C:\Users\Administrator\.gradle\wrapper 中的 dists 文件夹，选择正确的 gradle 版本。

注意！Android Studio 版本较低可能不支持高版本的 gradle

2. 报错 Failed to install the following Android SDK packages as some licences have not been accepted.

登录后复制

cd C:\Users\Administrator\AppData\Local\Android\Sdk\tools\bin

sdkmanager.bat --licenses

接着全部填y

3. 无法Run，按钮是灰色的File → Sync Project with Gradle Files

4. 报错 Build model ‘org.jetbrains.plugins.gradle.model.BuildScriptClasspathModel’ for root project ‘TFLite Image Classification Demo App’ 即 java.lang.AbstractMethodError: org.jetbrains.plugins.gradle.tooling.util.ModuleComponentIdentifierImpl.getModuleIdentifier()Lorg/gradle/api/artifacts/ModuleIdentifier;

同1

5. Cause: dl.google.com:443 failed to respond

修改 C:\Users\Administrator\.gradle 的 gradle.properties 为

登录后复制

systemProp.https.nonProxyHosts=localhost
systemProp.http.proxyHost=127.0.0.1
systemProp.http.nonProxyHosts=localhost
systemProp.http.proxyPort=1080

或全部注释掉

5. 无法下载模型，缺少 models/download.gradle 中定义的模型

6. 报错 No version of NDK matched the requested version 21.0.6113669. Versions available locally: 22.1.7171670

点 Install NDK '21.0.6113669' and sync project' 即可

7. 可能有用的信息

登录后复制

buildscript {
    repositories {
        google()
        jcenter()
    }
    dependencies {
        classpath "com.android.tools.build:gradle:4.1.1"
    }
}

allprojects {
    repositories {
        google()
        jcenter()
    }
}

task clean(type: Delete) {
    delete rootProject.buildDir
}

gradle-wrapper.properties

登录后复制

distributionBase=GRADLE_USER_HOME
distributionPath=wrapper/dists
zipStoreBase=GRADLE_USER_HOME
zipStorePath=wrapper/dists
distributionUrl=https\://services.gradle.org/distributions/gradle-6.5-bin.zip

所有示例应用

智能问答 BERT Question & Answer

这个应用编译时间非常久，APK 有 109 MB

数字识别 Digit Classifier

手势识别 Gesture Classification

需自行训练模型，已上传 百度网盘（0118）

打开 examples/gesture_classification/web/index.html ，拍几张图片，训练 TRAIN

下载模型 DOWNLOAD MODEL，得到 model.json、model.weights.bin、labels.txt 三个文件使用  Google Colaboratory → 文件 → 打开笔记本 → GitHub → 填入 https://github.com/tensorflow/examples/blob/master/lite/examples/gesture_classification/ml/tensorflowjs_to_tflite_colab_notebook.ipynb

点搜索图标 → 登陆 Google 账号 → 左侧边栏点文件图标 → 上传三个模型文件 → 在图中两处插入代码并运行 → RESTART RUNTIME（若有）

登录后复制

!pip uninstall keras-nightly
!pip uninstall -y tensorflow





登录后复制

!pip install h5py==2.10.0

逐行运行 → 跳过 !rm -rf *.h5 *.tflite *.json *.bin 和 files.upload() → 下载得到 model.tflite

将 labels.txt 和 model.tflite 放进 examples/gesture_classification/android/app/src/main/assets 中

编译并运行

图像分类 Image Classification

图像分割 Image Segmentation

个性化模型 Model Personalization

先给 4 个不同分类拍 20 张以上图片，训练，识别

目标检测 Object Detection

姿态估计 Pose Estimation

姿态估计 Posenet

推荐系统 Recommendation

智能回复 Smart Reply

声音分类 Sound Classification

语音控制 Speech Commands

风格迁移 Style Transfer

超分辨率 Super Resolution

文本分类 Text Classification

Keras 模型转换为 TensorFlow Lite 模型

代码

登录后复制

import tensorflow as tf

keras_file = 'model.h5'
model = tf.keras.models.load_model(keras_file)
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()
with open('model.tflite', 'wb') as f:
    f.write(tflite_model)
    
    

命令行

登录后复制

tflite_convert --keras_model_file=model.h5 --output_file=model.tflite

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删